python - keras 模型中的无效 numpy 形状

Question

我想构建一个接受简单的一维输入向量的神经网络。但是，下面的代码给我一个错误:

import numpy as np  
from keras.models import Model
from keras.layers import Input, Dense

input_ = Input((311,))
x = Dense(200)(input_)
output = Dense(100)(x)
nn = Model([input_], [output])
nn.compile('SGD', loss='mean_squared_error')
nn.predict(np.zeros(311))

ValueError: Error when checking : expected input_1 to have shape (311,) but got array with shape (1,)

这对我来说很奇怪，因为 print(np.zeros(311).shape) 按预期打印 (311,)。

将 np.zeros(311) 更改为 np.zeros((311,)) 不会改变任何内容并替换 Input((311,) ) 与 Input(311) 不起作用，因为 Input 需要一个形状元组:

TypeError: 'int' object is not iterable

我如何正确地为 keras 模型提供一维向量？

Answer 1

predict 的第一个维度必须是批处理维度，即 predict(np.zeros(shape=(1, 311)))应该可以。

参见 documentation了解更多详情。